💻 GHOSTCREW — Python ИИ инструмент для пентестеров и безопасников, который проводит поиск уязвимостей в любых сервисах.

Работает как red team внутри твоей системы. Ты описываешь задачу обычным языком — дальше он сам планирует атаку, выбирает инструменты и идёт по цепочке: от разведки до отчёта. Без ручного тыканья и бесконечных команд.

Что он умеет на практике:
➡️ Проверяет всё подряд: код, бизнес-логику, сетевой трафик, протоколы.
➡️ Анализирует найденные дыры и объясняет, где проблема и как её закрыть.
➡️ Работает автономно — запустил и получил полноценный ресёрч.
➡️ Сам подключает MCP-серверы и инструменты (nmap, metasploit, ffuf и т.д.).
➡️ Использует Pentesting Task Trees для осмысленного принятия решений, а не тупого брута.
➡️ Поддерживает готовые workflow для комплексных проверок.
➡️ Генерирует детальные отчёты в Markdown с фактами и рекомендациями.
➡️ Помнит контекст диалога и не «теряется» после пары запросов.
➡️ Видит реальные файлы: wordlists, payloads, конфиги — и использует их в работе.
➡️ Позволяет выбрать модель ИИ и настроить её поведение.
➡️ Без регистрации и без ограничений.

⚙️ Установка:

git clone https://github.com/GH05TCREW/ghostcrew.git
cd ghostcrew
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

▶️ Использование:

python main.py

⚠️ Информация предоставлена исключительно с целью ознакомления. И побуждает обратить внимание на проблемы в безопасности.

♎️ GitHub/Инструкция

#python #soft #github

transcriber — инструмент, который превращает аудио и видео в текст, без ручной расшифровки, фрилансеров и боли.

➡️Кинул файл?
➡️Вставил ссылку на YouTube?
➡️Нажал кнопку — Whisper сделал своё дело.

Фичи:
💬 Расшифровывает YouTube-видео и локальные файлы.
💬 Работает на OpenAI Whisper, автоматически выбирая лучший движок.
💬 Если есть FFmpeg — используется openai-whisper.
💬 Нет FFmpeg? Без паники — включается faster-whisper.
💬 GPU (CUDA) подключается сам, CPU — запасной план.
💬 Умное определение FFmpeg без шаманства с путями.

— Светлая и тёмная тема.
— Прогресс-бар и плавные оверлеи.
— История всех транскрипций.
— Скачивание текста в один клик.
— Временные файлы удаляются автоматически.
— Health-check эндпоинт для быстрого статуса.

🚀 Идеально для подкастов, лекций, интервью и YouTube-контента.

♎️ GitHub/Инструкция

#python #soft #github

😱 Проект wifi-densepose — система, которая в реальном времени отслеживает положение человека, используя обычный Wi-Fi.

Камеры больше не нужны. Тело видно… через стены.

Как это работает:
💬 Wi-Fi-сигналы анализируются на уровне CSI (Channel State Information),
💬 дальше в игру вступает машинное обучение —
и система собирает полную позу тела с частотой 30 FPS и задержкой меньше 50 мс.

Что умеет:
🔒 Privacy-first — никаких камер, только Wi-Fi.
⚡️ Реальное время — плавное отслеживание движений.
👥 До 10 человек одновременно.
🏥 Оптимизация под медицину, фитнес, умный дом и безопасность.
👊 Распознаёт падения, активность, присутствие людей.
📡 Работает на обычных Wi-Fi роутерах, без спецжелеза.
🔌 WebSocket-стриминг — данные летят в реальном времени.
✅ Полное тестовое покрытие.

По сути, это компьютерное зрение без камер.

🔥 Будущее умных домов, медицины и безопасности выглядит именно так.

Базовая установка:

# Install the package
pip install wifi-densepose

# Copy example configuration
cp example.env .env

# Edit configuration (set your WiFi interface)
nano .env

Запуск системы:

from wifi_densepose import WiFiDensePose

# Initialize with default configuration
system = WiFiDensePose()

# Start pose estimation
system.start()

# Get latest pose data
poses = system.get_latest_poses()
print(f"Detected {len(poses)} persons")

# Stop the system
system.stop()

Просмотр в реальном времени:

import asyncio
import websockets
import json

async def stream_poses():
    uri = "ws://localhost:8000/ws/pose/stream"
    async with websockets.connect(uri) as websocket:
        while True:
            data = await websocket.recv()
            poses = json.loads(data)
            print(f"Received poses: {len(poses['persons'])} persons detected")

# Run the streaming client
asyncio.run(stream_poses())

🔗 Туча полезных команд

♎️ GitHub/Инструкция

#python #soft #github

🔥 Roop — опенсорсный инструмент для создания дипфейков в пару кликов, позволяющий заменить лицо на видео, используя всего одно изображение желаемого лица.

Для работы не требуется создание датасета или обучение модели.

Установка и пример использование:

1. Клонирование репозитория:

   git clone https://github.com/s0md3v/roop.git
   cd roop
   

2. Установка зависимостей:

   pip install -r requirements.txt
   

3. Запуск программы с указанием исходного изображения и целевого видео:

   python run.py --source path/to/source/image.jpg --target path/to/target/video.mp4
   

⚙️ GitHub/Инструкция

#python #github #soft

🌍 google-news-scraper — полезный инструмент для тех, кто работает с новостями, аналитикой и автоматизацией.

Позволяет быстро получать свежие мировые новости прямо с Google News, собирая заголовки, ссылки на статьи, даты публикации и источники в одном месте.

Под капотом используется API, благодаря чему данные собираются быстро и без лишнего ручного парсинга.

Подойдёт для:
🟢AI-агентов,
🟢аналитики и мониторинга,
🟢новостных сервисов,
🟢ресерча,
🟢автоматизации контента и трендов.

Фактически готовый инструмент для построения собственной системы мониторинга мировых новостей.

♎️ GitHub/Инструкция

#python #soft #github

🚀 ScreenCoder — Новый уровень магии для фронтендеров и дизайнеров.

Загружаете скриншот или макет, а нейросеть превращает его в чистый, готовый к продакшену HTML/CSS-код 🤯

Больше не нужно вручную верстать кнопки и блоки — ScreenCoder понимает визуал, сам планирует layout и пишет код, который можно сразу редактировать и использовать.

Что умеет:
🟢Превращает любой дизайн в HTML/CSS;
🟢Генерирует чистую и читаемую верстку;
🟢Позволяет менять стили и структуру под себя;
🟢Подходит и для быстрых прототипов, и для пиксель-перфект интерфейсов.

Просто — загрузил, скопировал, подправил, развернул.

Design → Code за пару секунд.

♎️ GitHub/Инструкция по установке

#python

⚡️ Примерочные скоро станут не нужны

CatVTON — нейросеть виртуальной примерки, умеет брать фото человека и буквально переодевать его в любую одежду с удивительно реалистичным результатом.

➡️Работает по фото человека и фото одежды
➡️Не требует сложной настройки
➡️Открытый исходный код
➡️Можно запускать локально
➡️Проект уже получил признание на ICLR 2025

Установка:

conda create -n catvton python==3.9.0
conda activate catvton
cd CatVTON-main  # or your path to CatVTON project dir
pip install -r requirements.txt

▶️ Запуск

♎️ GitHub/Инструкция

💻 Пока одни вручную делают фотосессии для каталогов, другие уже автоматизируют примерку одежды с помощью ИИ.

Онлайн-шопинг становится всё интереснее.

😁 Лайф | 📲 Зеркало Max

#python #soft #github

⚡️ Fara-7B — компактную агентная модель от Microsoft, которая не просто «болтает», а управляет браузером как человек.

Это не чат-бот.
Это Computer Use Agent.

🖱 Что умеет:

➡️ Видит веб-страницу визуально.
➡️ Скроллит.
➡️ Кликает по координатам.
➡️ Вводит текст.
➡️ Выполняет многошаговые задачи.

Без accessibility tree, без костылей, без отдельного парсинга DOM — модель работает через визуальное восприятие интерфейса!


💻 Можно автоматизировать:

💬 Поиск и резюмирование информации.
💬 Заполнение форм.
💬 Покупки и сравнение цен.
💬 Бронирование билетов и ресторанов.
💬 Поиск вакансий и недвижимости.

По сути — это автономный браузерный ассистент.

🟢Установка:

git clone https://github.com/microsoft/fara.git
cd fara

🟢Создаёшь окружение:

python3 -m venv .venv
source .venv/bin/activate
pip install -e .[vllm]
playwright install

🟢Запускаешь модель:

vllm serve "microsoft/Fara-7B" --port 5000 --dtype auto

🟢И тестируешь:

fara-cli --task "whats the weather in new york now"

Можно подключить к Magentic-UI и управлять через графический интерфейс.

⚠️ На Windows лучше использовать WSL2.
⚠️ Если не хватает памяти — добавь --tensor-parallel-size 2.

♎️ GitHub/Инструкция

#python #soft #github